Python 为什么我'；m无法在数据帧中对列进行四舍五入

我试图在我的数据框中对一列进行取整。问题是，我得到的数字排序，但与小数

我尝试了不同的选择：

• df['DataFrame column'].apply（np.ceil）

• df['DataFrame column'].四舍五入（小数=所需的小数位数）

我的代码示例：

df = df.sort_values(by = ['SCORE'], ascending = False)

df['SCORE'].apply(np.ceil)

df

“得分”列中的预期结果应为例如从

100.000000

到

100

，

96.199205

到

96

或

95.983358

到

96

，

Ex.

import pandas as pd
import numpy as np

df = pd.DataFrame({'SCORE':[100.000000,96.199205,np.nan,95.983358]})
print(df)
"""
   1. if series has NaN value, solution work for pandas 0.24+
      df['SCORE'] = np.round(df.SCORE).astype('Int64')
   https://pandas.pydata.org/pandas-docs/stable/user_guide/integer_na.html

  2. If series has not NaN value, try this
    df['SCORE'] = np.round(df.SCORE).astype(int)

"""
df['SCORE'] = np.round(df.SCORE).astype('Int64')
print(df)

O/p:

以前

        SCORE
0  100.000000
1   96.199205
2         NaN
3   95.983358

之后

使用及

Ex.

import pandas as pd
import numpy as np

df = pd.DataFrame({'SCORE':[100.000000,96.199205,np.nan,95.983358]})
print(df)
"""
   1. if series has NaN value, solution work for pandas 0.24+
      df['SCORE'] = np.round(df.SCORE).astype('Int64')
   https://pandas.pydata.org/pandas-docs/stable/user_guide/integer_na.html

  2. If series has not NaN value, try this
    df['SCORE'] = np.round(df.SCORE).astype(int)

"""
df['SCORE'] = np.round(df.SCORE).astype('Int64')
print(df)

O/p:

以前

        SCORE
0  100.000000
1   96.199205
2         NaN
3   95.983358

之后

如果您将一个数字传递给
Series.round
，就像
round（2）
，它将给您带两位小数的序列


round（）
以浮点形式给出结果，但不以整数形式给出结果
astype（）
将浮点值转换为int

如果您将一个数字传递给
Series.round
，就像
round（2）
，它将给您带两位小数的序列


round（）
以浮点形式给出结果，但不以整数形式给出结果
astype（）
将浮点值转换为int
add
.astype（int）
在结尾处，maybe？即将回答：D``df.sort_值（by='SCORE'，升序=False）。apply（np.ceil）。astype（int）`检查列中的
nan
和非浮点/int？这可能会给
np.ceil
带来一个问题。添加
.astype（int）
最后可能？即将回答：D``df.sort_值（by='SCORE'，升序=False）。apply（np.ceil）。astype（int）`检查列中的
nan
和非浮点/int？这可能会给
np.ceil
带来问题。这会截断，不是吗？
np.round
是矢量化的，比应用调用更好。您可以将
np.round
应用于整个系列：
np.round（df['SCORE'）
而不是应用它。@ifly6我们需要检查系列是否包含
NaN
值，否则，如果序列具有
NaN
值，则会引发异常。您不能在序列中具有
NaN
的
int
序列。此截断不是吗？
np.round
是矢量化的，并且优于应用调用您可以将
np.round
应用于整个序列：
np.round（df['SCORE'））
而不是应用它。@如果我们需要检查序列是否包含
NaN
值，否则，如果序列具有
NaN
值，它将引发异常。您不能将
int
序列与
NaN
放在它的堆栈中！它工作得很好！正是我想要的：>）谢谢！它工作得很好！正是我想要的：>）